MINISTÉRIO DA CIÊNCIA E TECNOLOGIA
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS - INPE
Centro de Previsão de Tempo e Estudos Climáticos - CPTEC
Elaboração de Mapas de Vegetação para Utilização em Modelos Meteorológicos e
Hidrológicos
Marcelo Francisco Sestini*, Regina Célia dos
Santos Alvala, Eliana Maria Kalil Mello, Dalton de
Morisson Valeriano, Chou Sin Chan, Carlos
Afonso Nobre, João Argemiro de Carvalho Paiva,
Erica da Silva Reimer*
Responsáveis: Dra Regina Célia dos Santos Alvalá (CPTEC) e Eng. Eliana Maria Kalil Mello
(OBT)
* Bolsistas PCI/DTI
INPE
São José dos Campos
2002
EQUIPE DO PROJETO PROVEG
Participantes
Msc Marcelo Francisco Sestini
CPTEC
Dra. Regina Célia dos Santos Alvalá
CPTEC
Engenheira Eliana Maria Kalil Mello
OBT
Dr. Dalton de Morison Valeriano
OBT
Engenheira Érica da Silva Reimer
CPTEC
Dra. Chou Sin Chan
CPTEC
Dr. Carlos Afonso Nobre
CPTEC
Msc Luis Antônio Cândido
CPTEC
Msc Francis Wagner Correia
CPTEC
Colaboradores
PhD. João Argemiro de Carvalho Paiva OBT
Msc. João Pedro Cerveira Cordeiro
OBT
Msc. Julio Cesar Lima d' Alge
OBT
Luis Eduardo Maurano
OBT
Rosa Kato
Msc Eugênio Sper de Almeida
OBT
CPTEC
RESUMO
Este projeto tem como objetivo a melhoria da máscara de representação da
superfície utilizada pelos modelos de previsão de tempo e clima, bem como
modelos hidrológicos. Para isto, foram utilizados dados de mapas digitais do
RADAM-IBGE (escalas 1:1.000.000 e 1:5.000.000), dados temáticos de
desflorestamento provenientes do Programa Amazônia (monitoramento de
desflorestamento da Amazônia Legal - PRODES) da OBT/INPE e imagens de alta
resolução espacial. Foi desenvolvida uma metodologia para obtenção de uma
representação acurada e detalhada da superfície, adaptada aos tipos de
vegetação considerados nos modelos. Através de segmentação e classificação
das imagens TM Landsat obteve-se a separabilidade de biomas que, no mapa do
IBGE, encontravam-se agregados. O mapa do IBGE foi, então, reclassificado
conforme uma compatibilização previamente definida entre as classes do
RADAM-IBGE e as classes utilizadas pelo modelo de superfície SSiB. A este
mapa foram integrados, então, os dados do PRODES. O produto final é um mapa
que, comparado àquele atualmente utilizado no CPTEC, mostrou-se com uma
representação da superfície mais realista, o que permitirá uma melhoria na
previsão de tempo e clima.
SUMÁRIO
1 INTRODUÇÃO.................................................................................................................9
2 FUNDAMENTAÇÃO TEÓRICA..................................................................................12
2.1 Modelo ETA................................................................................................................12
2.2 Esquema de superfície SSiB.................................................................................13
2.3 Sistema de Informação Geográfica (SIG) e processamento de imagens de
satélite. ..............................................................................................................................15
2.3.1 SIG ............................................................................................................................15
2.3.2 Processamento de Imagens de Satélite..............................................................17
2.4 Dados da cobertura vegetal..................................................................................21
3 ÁREA DE ESTUDO, MATERIAIS E MÉTODOS .....................................................25
3.1 Etapas cumpridas e testes iniciados..................................................................30
3.1.1 Edição do mapa de vegetação da Amazônia Legal (escala 1:5.000.000). ...30
3.1.2 PRODES ..................................................................................................................32
3.1.3 Tratamento das classes “contatos”......................................................................34
3.1.4 Compatibilização das classes de vegetação (IBGE versus modelo SSiB)...38
3.1.5 Preparo do mapa para SSiB .................................................................................38
3.1.6 Implementação de ferramentas novas no SPRING ..........................................40
4 RESULTADOS E DISCUSSÃO..................................................................................40
5 ETAPAS FUTURAS......................................................................................................55
6 SUGESTÕES.................................................................................................................57
REFERÊNCIAS BIBLIOGRÁFICAS .............................................................................59
APÊNDICE A PROGRAMAS EM LEGAL: ............................................................... 676
APÊNDICE B DESCRITOR ............................................................................................71
APÊNDICE C............... COMPATIBILIZAÇÃO DAS CLASSES DO IBGE COM AS
CLASSES DO MODELO SSIB ................................................................................... 673
LISTA DE FIGURA
Fig 1 - Bandas do TM e comportamento espectral de alguns objetos...................................18
Fig 2 - Amazônia Legal (grades de recobrimento das cenas Landsat e cartas), ....................25
Fig. 3 - Fluxograma metodológico .........................................................................................28
Fig 4 - Vegetação da Amazônia Legal....................................................................................44
Fig 5 - Mapa de áreas com classes de contato. .....................................................................45
Fig 6 - Trecho do mapa de desflorestamento (PRODES) .......................................................46
Fig 7 - Imagem TM (composição 345 GRB), trecho de Roraima
46
Fig 8 - Imagem TM (345-RGB) do Pará com segmentação e classes espectrais....................48
Fig 9 - Classes separadas pelo uso da TCP...........................................................................49
Fig.10 - Contato IBGE, Imagem TM 345 RGB, Contato separando savana e floresta ............50
Fig.11 - Contatos resolvidos por classificação .........................................................................52
Fig.12 - Mapa SSiB........................................................................................................................ 53
Fig 13 - Áreas de rebrota, separadas do desflorestamento ...................................................54
LISTA DE TABELAS
1 DADOS UTILIZADOS ...................................................................................................29
2 DADOS GERADOS.......................................................................................................42
3 CLASSES DE VEGETAÇÂO DA AMAZÔNIA LEGAL ............................................42
4 ELEMENTOS INTERPRETATIVOS DAS IMAGENS TM LANDSAT 345
47
5 CLASSES DO MAPA SSiB..........................................................................................55
1 INTRODUÇÃO
Os processos de superfícies continentais caracterizam-se por apresentarem
efeitos substanciais sobre as previsões de tempo e de clima, o que tem levado a
um crescente esforço em melhorar o conhecimento das complexas interações que
ocorrem nestas superfícies. Para investigar esta questão, diversos modelos de
circulação geral da atmosfera (MCG’s), acoplados a esquemas de superfície, vêm
sendo utilizados. Outrossim, as variações nas condições das superfícies
continentais influenciam a circulação atmosférica, modificando o balanço de
energia à superfície e o ciclo hidrológico. Por exemplo, Xue e Shukla (1993)
usaram o MCG do Centro de Estudos do Oceano-Continente-Atmosfera (COLA)
para simular um dos padrões observados de anomalias de secas na África, em
resposta à variações nas características das superfícies continentais, tendo-se
incluído no MCG uma versão simplificada do modelo simples de biosfera - SSiB
de Sellers et al. (1986).
O modelo simples de biosfera - SiB (Sellers et al., 1986) foi concebido para
simular as interações entre a superfície continental da Terra e a atmosfera,
tratando a vegetação explicitamente e realisticamente. Uma comparação entre
simulações com o MCG do COLA, acoplado ao SiB e o mesmo MCG acoplado a
um modelo hidrológico convencional mostrou que o modelo acoplado biosferaatmosfera produz uma partição de energia à superfície continental mais realista
(Sato et al. 1989). Ambos os esquemas SiB e SSiB têm sido validados
considerando-se dados observacionais obtidos em diversos experimentos de
campo, incluindo aqueles do experimento da floresta tropical amazônica (Sellers
et al., 1989; Xue et al., 1991), os do primeiro Experimento de Campo (FIFE) do
Projeto Internacional de Climatologia por satélite da superfície continental
(ISLSCP) (Chen et al., 1996), os do Estudo Anglo Brasileiro de Observação do
Clima da Amazônia – ABRACOS (Xue et al., 1995a) e os do Experimento
HAPEX-Mobilhy sobre um sítio com gramas/cultivos na França (Xue et al.,
9
1995b). Estas calibrações forneceram informações sobre as propriedades de
alguns tipos de vegetação e do solo nas regiões consideradas, o que implicou em
melhorias no modelo de superfície da biosfera, resultando, como conseqüência,
em simulações mais realísticas. Entretanto, estas medidas foram feitas em
poucos sítios e somente para aproximadamente um terço dos tipos de vegetação
do SiB.
Devido às diferenças nas escalas espaciais, a aplicação de dados dos sítios
estudados em simulações com MCG necessitam de investigações adicionais (Xue
et al., 1996). Para tipos de vegetação com poucos ou nenhum dado
observacional,
faz-se necessário
utilizar
informações
indiretas
sobre
as
propriedades da vegetação e do solo disponíveis na literatura científica.
Embora a modelagem da superfície continental possa aumentar a habilidade em
entender as interações entre esta e a atmosfera, a representação inadequada ou
insuficiente das condições e dos processos da superfície continental pode ter um
impacto negativo sobre a previsão do tempo e estudos climáticos. A necessidade
de se buscar uma representação mais realista da vegetação tem sido apontada
por vários autores (Wilson and Henderson-Sellers, 1985; Hall et al., 1995; Sud et
al. 1996; DeFries et al., 1999; Champeaux et al., 2000).
Além disso, esforços têm sido direcionados no intuito de aprimorar o
conhecimento dos detalhes regionais dos diversos processos na atmosfera e suas
interações com o ciclo hidrológico. Para tal propósito, faz-se necessário utilizar
modelos regionais que representem mais detalhadamente os processos
hidrodinâmicos e suas interações com os processos de superfície continental.
Portanto, o acoplamento de um modelo de biosfera a um modelo atmosférico
regional é essencial ao entendimento da evolução do sistema acoplado na escala
10
de interesse da interação. Assim, tem sido realizados esforços no sentido de
melhorar a representação da variabilidade espacial da vegetação e aprimorar o
conhecimento dos detalhes regionais dos processos atmosféricos e de superfície
e a interação entre ambos.
Neste contexto, o modelo acoplado ETA/SSiB, implementado no Centro de
Previsão de Tempo e Estudos Climáticos (CPTEC) do INPE, por exemplo, exige o
conhecimento adequado das variáveis prognósticas e diagnósticas à superfície na
inicialização, para que ocorra acoplamento. Assim, é essencial dispor de
informações dos parâmetros de superfície que indiquem as características atuais
da região, portanto faz-se necessário melhorar a representação da variabilidade
espacial do solo e da vegetação, a partir da adaptação de uma base de dados
mais detalhada e com parâmetros que representem de forma mais acurada as
propriedades físicas dos solos e os tipos de vegetação do território brasileiro.
Considerando-se que grades de alta resolução deverão ser futuramente avaliadas
(por exemplo, 15 Km x 15 Km para o modelo regional ETA), far-se-á também
necessário avaliar as mudanças dos usos do solo e da cobertura da vegetação.
Assim sendo, o objetivo deste estudo consiste em elaborar mapas digitais de
vegetação, mais acurados e atualizados, para serem acoplados aos modelos
numéricos utilizados no CPTEC, dentro do Projeto PROVEG (Atualização da
Representação da vegetação nos Modelos Numéricos do CPTEC). Para tal,
considerar-se-á a vegetação dominante em cada quadrícula dos vários modelos.
Além disso, pretende-se também atualizar o mapa de vegetação para a área da
região amazônica considerando os efeitos da ação antrópica, a partir da
importação de dados dos projetos de monitoramento da floresta da Amazônia
Legal.
11
2 FUNDAMENTAÇÃO TEÓRICA
No projeto proposto, pretende-se elaborar mapas de vegetação para todo o
território brasileiro, os quais serão introduzidos no modelo SSiB acoplado ao
modelo ETA, detalhados sucintamente a seguir. Ressalta -se que, informações
adicionais sobre estes modelos podem ser vistos em Mesinger (1984), Xue et al.
(1991), Black (1994) e Chou (2000).
2.1 Modelo ETA
O modelo de área limitada ETA implementado no CPTEC tem como objetivo
complementar a previsão numérica do tempo realizada com o modelo de
circulação geral atmosférica. Este modelo visa a previsão de fenômenos de
mesoescala (efeitos orográficos, brisas marítimas, tempestades, etc), cobrindo a
maior parte da América do Sul, com uma extensão temporal de 48 horas. Ele é
estruturado em uma grade, cuja resolução horizontal pode ser de 40 km x 40 Km
ou 80 Km x 80 Km. A orografia é representada por degraus, sendo a altura de
cada degrau obtida através do valor médio das máximas topográficas existentes
em cada célula da grade.
A análise é inicializada sobre uma grade de resolução correspondente àquela do
modelo global, sendo posteriormente interpolada para a grade do modelo ETA,
permitindo assim a minimização dos erros existentes entre os valores estimados e
os observados.
12
2.2 Esquema de superfície SSiB
O SSiB foi concebido para simular as interações entre as superfícies continentais
e a atmosfera, descrevendo os processos de transferência radiativa, turbulência e
controle biofísico da evapotranspiração, baseado nos processos de interação
continente-atmosfera, sendo apropriado tanto para aplicações globais quanto
regionais. Ele considera três camadas de solo e uma de vegetação, a qual inclui
tanto parâmetros sazonais quanto fixos. As variáveis previstas são: fração de
umidade do solo nas três camadas; temperaturas do dossel, da camada
superficial e da camada profunda do solo; espessura da camada de neve à
superfície e a quantidade de água interceptada pelo dossel. São considerados
neste modelo os seguintes parâmetros:
a) Absorção seletiva da radiação fotossinteticamente ativa (PAR);
b) Resistência estomática e das raízes aos fluxos de vapor d’água entre o
solo e a atmosfera;
c) Armazenamento, drenagem e evaporação da precipitação e do orvalho
interceptados pela superfície das folhas;
d) Escoamento do excesso de precipitação e drenagem sub-superficial da
água;
e) Efeitos radiativos e térmicos da cobertura de neve no solo e do dossel da
13
vegetação;
f) A influência das diferentes morfologias das plantas no comprimento de
rugosidade e na transferência de momentum, calor e umidade entre a
superfície e a atmosfera.
A cobertura do terreno sobre a qual o modelo opera é representada em um mapa,
onde, por sua vez, cada tipo de cobertura é representada por um número ao qual
estão associados os parâmetros. Com relação à vegetação, o mapa utilizado pelo
SSiB é derivado do esquema de classificação fisionômica de Kuchler (o qual está
detalhado na próxima seção), onde alguns tipos de vegetação que são
considerados como sendo homogêneos com relação aos valores de seus
parâmetros são agregados (Mueller-Dombois e Ellenberg, 1974; Wilson e
Henderson-Sellers, 1985; Sellers et al., 1986; Dorman e Sellers, 1989). O mapa
utilizado pelo SSiB é uma forma generalista do esquema de Kuchler, totalizando
12 classes de cobertura do terreno, incluindo drenagem e solo exposto. A tabela
com os tipos de cobertura do SSiB é mostrada abaixo (adaptado de Dorman e
Sellers, 1989):
Drenagem e oceano
0
1 árvores latifoliadas perenes (floresta tropicais)
2 árvores latifoliadas decíduas
Vegetação de porte alto
3 árvores latifoliadas/aciculadas (floresta mista)
4 árvores aciculadas perenes
5 árvores aciculadas decíduas)
6 árvores latifoliadas com cobertura arbustiva/herbácea (savana)
14
7 gramineas e herbáceas (perene)
8 arbustos latifoliados com cobertura herbácea perene
Vegetação de porte baixo e 9 arbustos latifoliados com solo exposto
areas cultivadas e desertos
10 árvores anãs e arbustos com cobertura herbácea (tundra)
11 solo exposto
12 cultivos (valores dos parâmetros = tipo 7)*
O modelo possui uma rotina de reclassificação do mapa de vegetação devido à
degradação da resolução original de 1 km x 1 Km para 40 Km x 40 Km (grade do
ETA). Essa rotina considera, a priori, a freqüência de determinado grupo de
vegetação no mapa e, em seguida, a freqüência de determinado tipo de
vegetação existente neste grupo. Dentro de um determinado grupo considera-se o
tipo que ocorre com maior freqüência.
2.3 Sistema de Informação Geográfica (SIG) e processamento de imagens
de satélite.
2.3.1 SIG
Para o desenvolvimento do banco de dados do projeto, utilizar-se-á o software
Sistema de Processamento de Informações Georeferenciadas - SPRING. Este
programa é estruturado em um modelo conceitual, onde os dados são inseridos
em um projeto previamente criado, em que são informadas a projeção e a área,
tornando-se estes, então, em planos de informações pertencentes a uma
determinada categoria (imagem, temática, numérica ou cadastral). O programa
contem ferramentas de processamento de imagens e de geoprocessamento,
contando com um módulo que permite construção de programas destinados a
vários tipos de operações entre os dados, denominado Linguagem Espacial para
Geoprocessamento Algébrico - LEGAL. O SPRING foi desenvolvido para
ambientes UNIX e Windows com as seguintes características (INPE, 2000):
15
a) opera como um banco de dados geográficos sem fronteiras e suporta
grande volume de dados (sem limitações de escala, projeção e fuso),
mantendo a identidade dos objetos geográficos ao longo de todo o banco.
b) administra tanto dados vetoriais como dados matriciais (“raster”),
permitindo a integração de dados de Sensoriamento Remoto num sistema
de informações geográficas (SIG).
c) possui uma interface amigável.
d) permite escalonabilidade completa, isto é, operar com toda sua
funcionalidade em ambientes que variem desde microcomputadores até
estações de trabalho RISC de alto desempenho.
Ressalta -se que a utilização do Sistema SPRING deveu-se ao fato dele
possibilitar:
•
Integrar as tecnologias de Sensoriamento Remoto, Meteorologia e
Sistemas de Informações Geográficas.
•
Utilizar modelo de dados orientado a objetos, que melhor reflete a
metodologia de trabalho de estudos ambientais e cadastrais.
•
Na estrutura do SPRING, inicialmente cria-se um banco de dados, onde
16
são definidos o modelo conceitual, as categorias e as classes temáticas
necessárias ao desenvolvimento do trabalho proposto. Em seguida, cria-se
o projeto referente ao mapeamento.
São informados, no projeto, o sistema de projeção cartográfica e a área deste
projeto,
dentro
do
respectivo
sistema.
As
projeções
cartográficas
são
representações aproximadas da superfície terrestre, onde um ponto dessa
superfície corresponde a um ponto dentro do sistema de coordenadas da
projeção.
Entre os vários tipos de projeções utilizadas tem-se aquelas que consideram os
desvios angulares a partir do centro da Terra e destinadas a representar grandes
áreas (como a lat/long) e aquelas destinadas a representar áreas menores, como
a UTM. Este é um tipo de projeção conforme cilíndrica que mantêm fidelidade aos
ângulos observados na superfície representada sem distorcer a forma dos objetos
(em áreas pequenas). Ela é formada por um sistema de coordenadas
retangulares (INPE, 2000).
2.3.2 Processamento de Imagens de Satélite
Em uma imagem de satélite, a informação espectral de uma cena é quantizada e
representada, em um pixel, por um nível de cinza, para diferentes intervalos
(bandas) espectrais. Cada pixel contem, além das coordenadas espaciais x e y, a
coordenada espectral L, que representa a radiância integrada de um ou mais
alvos dentro do intervalo de comprimento de onda de uma determinada banda
espectral. Os pixels existentes em cada banda apresentam correspondência
espacial entre si (Richards, 1995, INPE, 2000).
17
As composições coloridas possíveis de serem obtidas com as bandas do TM
possibilitam a obtenção de informação espectral destas bandas em uma única
imagem. A Figura 1 ilustra as bandas do TM Landsat e as curvas de reflectância
para diversos alvos (Bowker, 1985).
Fig 1 - Bandas do TM e comportamento espectral de alguns objetos
FONTE: adaptada de Bowker (1985).
As informações de uma imagem são extraídas a partir de elementos de
interpretação visual, descritos a seguir:
A textura de uma imagem é dada pela variação de níveis de cinza (ou pela
variação em matiz, nas composições coloridas), expressando a freqüência
espacial. A tonalidade está relacionada às características espectrais dos objetos
(comportamento de um único objeto ou a combinação entre diferentes objetos) e
ao sombreamento (Lillesand e Kiefer, 1994 ;Rydén, 1997).
18
A cor permite distinguir diferentes objetos (ou a combinação destes) presentes na
cena, dependendo das faixas espectrais a que é atribuída. A variação matiz de
uma cor está também relacionada às características biofísicas do alvo.
A forma e o padrão relacionam-se às diferentes maneiras com que as feições
naturais ou antrópicas se organizam na cena imageada. A análise de contexto
engloba as relações dos objetos interpretados entre si e com outros fatores,
considerando as características da cena imageada que direta e indiretamente
permitem inferir o comportamento de determinado fenômeno. Estes elementos se
complementam na interpretação dos dados de sensoriamento remoto sendo
utilizados conjuntamente (Verstappen, 1977; Lillesand e Kiefer, 1994).
Há vários tipos de processamentos de imagens que permitem realçar alvos
selecionados pelo usuário e gerar mapas temáticos.
2.3.2.1 Técnicas de Transformação Multiespectral
Entre as várias técnicas de realce de imagens pode-se citar a TCP e o modelo de
mistura.
A Transformação por Componentes Principais (TCP) é um processamento que
visa a redução da dimensionalidade dos dados e remoção de redundância de
informações a partir da transformação linear das bandas originais em novas
variáveis, que são as componentes principais (CP’s). Estas são obtidas através
da variância e covariância das bandas originais, e do coeficiente de correlação
entre elas. A primeira CP retém a maior proporção da variância total dos dados,
19
sendo que esta se reduz nas componentes seguintes.
O modelo de mistura é baseado na estimativa de proporção dos alvos em cada
pixel da cena imageada, onde as bandas originais são transformadas em imagens
fração desses alvos, como por exemplo, sombra, vegetação e solo. Este modelo
necessita da escolha de amostras representativas dos alvos selecionados (pixels
puros).
Estes processamentos auxiliam na diferenciação de tipos de cobertura do terreno,
quando a interpretação visual ou a classificação automática unicamente não são
eficientes.
2.3.2.2 Classificação
Uma das técnicas recorrentes para mapeamento de vegetação é a classificação,
na qual se faz o reconhecimento de padrões e objetos homogêneos a partir da
extração de informação em imagens de satélite. Uma das formas de classificação
é aquela implementada no SPRING e que se baseia no reconhecimento de
objetos relevantes formados por um conjunto de pixels. Neste caso, ela é
realizada em duas etapas: a) segmentação e b) classificação propriamente dita.
a) Segmentação é uma técnica de agrupamentos de dados a partir da
informação espectral de cada pixel e a informação espacial dos seus vizinhos.
A segmentação por crescimento de regiões agrega pixels com propriedades
semelhantes baseando-se na similaridade (calculada a partir dos atributos
estatísticos da imagem) dessas regiões.
20
Para realizar a segmentação é necessário definir dois limiares: I)limiar de
similaridade, que é o limiar mínimo, abaixo do qual duas regiões são
consideradas similares e agrupadas em uma única região; e II) limiar de área,
que é o valor de área mínima, dado em número de pixels, para que uma
região seja individualizada.
b) a imagem segmentada é classificada, então, pelo ISOSEG que. é um
algoritmo que utiliza como parâmetros os atributos estatísticos (média e matriz
de covariância) e a área das regiões, definindo-se um limiar de aceitação de
classes Este limiar fornece a relação de pertinência das regiões segmentadas
com as classes espectrais.
Estas técnicas são largamente conhecidas e uma descrição detalhada delas pode
ser encontrada em Duda and Hart, 1973; Bins et al., 1993; Batista et al, 1994;
Richards,1995.
2.4 Dados da cobertura vegetal
Atualmente, os mapas de cobertura vegetal utilizados pelos modelos são obtidos
em uma escala continental, a partir de classificação (imagem temática) extraída
de índices de vegetação (como por exemplo, o Índice Normalizado de
Vegetação -NDVI), de dados multitemporais do sensor AVHRR ("Advanced Very
High Resolution Radiometer") a bordo do satélite NOAA. A classificação é
apoiada em interpretações auxiliadas por mapas e dados que muitas vezes estão
desatualizados e/ou imprecisos (Wilson e Henderson-Sellers, 1985; De Fries et
al., 1999). Deve-se também considerar as descontinuidades em um tipo de
cobertura vegetal (ocorrência de ambientes contrastantes de rugosidade, albedo,
21
etc) que induzem circulações em mesoescala (Seth and Giorgi, 1996; Delire and
Foley, 1999). Associado a este aspecto, ressalta-se a necessidade de se refinar a
resolução espacial dos modelos de previsão (Wilson e Henderson-Sellers, 1985;
Hall et al., 1995).
Faz-se necessário, portanto, melhorar a representação da variabilidade espacial
da cobertura vegetal e aprimorar o conhecimento dos detalhes regionais dos
processos atmosféricos e de superfície e a interação entre ambos, conforme
ressaltaram Wilson e Henderson-Sellers (1985); Sellers et al. (1986); Dorman e
Sellers (1989); Nepstad et al. (1994); Bonan (1995); Berbery et al. (1996); Cuenca
et al. (1996); Sud et al. (1996); Choudhury and DiGirolamo (1998), entre outros. A
necessidade de atualizar e conferir maior acurácia à cobertura do terreno
representada nos mapas utilizados pelos modelos tem sido apontada por diversos
autores, que sugerem o uso de mapas de vegetação mais recentes e dados de
sensores que permitam melhor separabilidade dos tipos de cobertura vegetal
como o sensor de mapeamento temático TM do Landsat, sensores HRV do Spot
e radar (Bonan, 1995; Sud et al., 1996; Champeaux et al., 2000; Saatchi, 2000).
O mapa de vegetação que será utilizado no projeto proposto, origina do Projeto
RADAMBRASIL, que inclui 39 cartas na escala 1:1.000.000, das quais 26 cobrem
a região da Amazônia Legal e as demais o restante do Brasil. Dispõe-se ainda de
um mapa de vegetação para todo o Brasil na escala de 1:5.000.000 (IBGE),
ambos disponíveis em formato digital. Vale salientar que o esquema de
classificação da vegetação adotado pelo RADAM e pelo IBGE derivam do
esquema de Kuchler mencionado anteriormente (Projeto RADAMBRASIL, 1978;
IBGE, 1992). Este esquema baseia-se em aspectos externos e gerais (tipo de
folha, porte, etc) e é hierárquico, ou seja, considera desde as formas de vida
vegetal dominantes numa paisagem, passando pelas adaptações às condições
climáticas e formas de relevo sobre as quais a vegetação ocorre, chegando ao
22
detalhamento de fácies (comportamento do dossel, ocorrências de espécies
particulares e de mata galeria, etc.). A chave desta classificação é demonstrada a
seguir: (adaptado de Mueller-Dombois e Ellenberg, 1974):
I, II, III, IV, etc: Classe de formação p. ex. Florestas densas.
A, B, C, etc: Subclasse de formação p. ex. Florestas densas perenes.
1, 2, 3,etc:Grupo de formação p. ex. Florestas densas perenes→ grupo das
Florestas tropicais ombrófilas.
a, b, c, etc: Formação p. ex. Florestas tropicais ombrofilas montanas.
(1), (2), (3), etc: subformação p. ex. na formação das Florestas tropicais
ombrófilas montanas ocorrem as subformações: latifoliadas (subformação
predominante), aciculadas (micrófilas), bambuzal.
(a), (b), etc: Demais subdivisões (Floresta tropical ombrófila montana dos
relevos dissecados do Planalto Sedimentar de Roraima).
No esquema de Kuchler também é considerada a densidade das classes de
vegetação na paisagem bem como a proporção de detalhes estruturais (altura das
árvores) numa determinada classe. Este esquema dispensa o conhecimento
taxonômico e pode ser aplicado em mapas de diferentes escalas. (Projeto
RADAMBRASIL, 1978; Kuchler, 1988; Veloso, 1991; IBGE, 1992).
No caso dos mapas do RADAM-IBGE há a necessidade de melhor representar as
classes definidas como "contatos". Estas referem-se a áreas de tensão ecológica
onde dois ou mais tipos de cobertura vegetal se interpenetram. Estes contatos
podem
ocorrer
entre
coberturas
vegetais
com
estruturas
fisionômicas
semelhantes ou não, e seu mapeamento depende do tipo de contato e da escala
de trabalho (Veloso, 1991).
23
Outrossim, estes mapas necessitam ser atualizados, principalmente em razão da
acentuada ação antrópica na área da região amazônica nos últimos anos, pois,
conforme ressaltou Sud et al. (1996), é de grande importância considerar uma
representação mais realista das áreas antropizadas (no caso, áreas que sofreram
remoção de cobertura vegetal) nos modelos de previsão de tempo e clima.
Neste projeto, os dados utilizados referentes à antropização são fornecidos pelo
Programa Amazônia /PRODES – Projeto de Monitoramento de Desflorestamento
da Amazônia Legal. Desflorestamento é definido como a substituição da floresta
primária ou de vegetação de fisionomia florestal por atividades agrosilvopastoris,
cuja
detecção
é
realizada
a
partir
de
plataformas
orbitais.
O
termo
desflorestamento bruto não inclui áreas em processo de sucessão secundária ou
recomposição florestal (rebrota).
O objetivo do PRODES é mapear a extensão do desflorestamento bruto na
porção da Amazônia Legal em áreas cobertas por florestas ou vegetação de
fisionomia florestal. Ele inclui, assim, desde a floresta tropical densa até a savana
densa,
com
superfície
total
entre
3,9
e
4
milhões
de
quilômetros
quadrados.(INPE, 1999). Estes dados são obtidos a partir de cenas TM Landsat,
as quais são processadas por modelo de mistura, realçando as áreas
desflorestadas (Shimabukuro et al., 1998; Duarte et al, 1999). Sobre as imagens
geradas pelo modelo, aplica-se a técnica de segmentação por crescimento de
regiões e classificação.
O mapeamento automatizado do desflorestamento foi realizado com uma única
passagem sobre toda a área de interesse (no caso deste trabalho, esta passagem
é referente ao ano de 1997). Assim, para a verificação do mapeamento digital do
PRODES DIGITAL e auxílio na edição dos temas, utilizou-se o PRODES
24
ANALÓGICO (dados com datas desde 1984 até 1996). O desflorestamento
mapeado ocorre na forma de um arco, onde foram selecionadas áreas
consideradas prioritárias (Moreira et al, 2002).
3 ÁREA DE ESTUDO, MATERIAIS E MÉTODOS
A área de estudo considerada no projeto engloba todo o território brasileiro, o que
inclui manipular 39 cartas na escala 1:1.000.000 e uma carta na escala
1:5.000.000. Assim sendo, o continente brasileiro será avaliado em duas etapas,
isto é, a área que cobre a Amazônia Legal e o Brasil como um todo. A Amazônia
Legal, compreende uma área aproximada de 5.000.000 Km2 e está localizada
entre 5° 20´N - 18° 0´S e 44° 0´W - 74° 03´W, cobrindo os Estados do Acre,
Amazonas, Roraima, Rondônia, Pará, Mato Grosso, Amapá, Tocantins e
Maranhão (Figura 2).
Fig 2 - Amazônia Legal (grades de recobrimento das cenas Landsat e cartas),
FONTE: INPE, 2000.
25
Conforme mencionado anteriormente, os mapas de vegetação do RADAM e do
IBGE estão sendo utilizados para a elaboração do mapa digital que será
introduzido no modelo SSiB. Para complementar estes mapas, dados de outras
fontes foram consultados, analisando-se as características e contribuições de
cada um (Tabela 1). Estes estão sendo utilizados tanto para a geração do mapa
de cobertura vegetal, quanto para consulta e caracterização das áreas de estudo.
Além disso, foram analisados os mapas de vegetação da Amazônia Legal
gerados pelo Programa de Monitoramento Global da Vegetação - GVM e aquele
elaborado por Saatchi et al (2000), apesar destes apresentarem classes muito
generalistas e algumas inconsistências.
Para a atualização e refinamento da representação da cobertura vegetal na região
da
Amazônia
Legal,
utilizou-se
dados
do
Projeto
de
Estimativa
do
Desflorestamento Bruto da Amazônia – PRODES DIGITAL (112 cenas, ano base
de 1997, resolução 60mX60m) e mosaicos por Estados de imagens TM Landsat
ano
2000
em
formato
geotiff.
Estes
mosaicos
foram
adquiridos
já
georreferenciados e reamostrados para 90mx90m.
Para tratamento dos dados de vegetação e geração de novos produtos, utiliza-se
o programa SPRING, desenvolvido pela Divisão de Processamento de Imagens
(DPI) do INPE, principalmente em razão do apoio e da criação de novas
ferramentas que estão disponibilizadas para atender as necessidades do projeto.
Além do SPRING, foram utilizados para visualização e testes de processamento
de dados os seguintes programas: SGI-98, versão 3, Erdas, versão 8.3, Envi,
versão 3.2, ArcExplorer, versão 2.0, e Coreldraw, versão 7. O uso destes diversos
software deve-se à diversidade de extensões de arquivos e à necessidade de
integração dos dados, exigindo intercâmbio destes. A análise e tratamento dos
dados referentes à vegetação está sendo orientada por especialistas da Divisão
de Sensoriamento Remoto (DSR).
26
Os dados do Projeto RADAMBRASIL foram lidos no SGI, devido ao fato destes
dados terem sidos originalmente digitalizados neste programa. Assim, verificou-se
quantas e quais as classes existentes. Alguns dos arquivos foram migrados para
o programa SPRING, observando-se as características deles. Para cada arquivo
elaborou-se uma tabela contendo as características e dúvidas observadas. Para
os demais dados (inclusive os mapas do IBGE e dados do PRODES) verificou-se
a projeção cartográfica adotada e todas as características pertinentes a ambos.
Como o modelo ETA/SSiB opera em coordenadas lat/long regular e os dados dos
mapas estão em diferentes projeções (principalmente na projeção UTM), está
sendo realizada uma padronização dos mesmos, através de reprojeção, para
coordenadas lat./long.
As etapas consideradas para o desenvolvimento do projeto incluem o
levantamento de dados disponíveis e testes de migração e processamento
destes, busca de soluções para dúvidas relacionadas aos dados e a parte
operacional (por exemplo, software), discussão de critérios e metodologia para a
elaboração do mapa de vegetação e geração deste mapa. Estas etapas estão
sumarizadas na Figura 3.
27
Amazônia Legal
Dados TM Landsat
RADAM/IBGE
PRODES
Refinamento das classes de contato
e integração de dados
Mapa detalhado e atualizado
Entrada de dados no modelo de previsão
Fig. 3 - Fluxograma metodológico
Paralelamente aos testes operacionais e à identificação de critérios para a
elaboração do mapa proposto, buscou-se a compreensão do funcionamento dos
modelos SSiB e ETA (que envolve desde a parametrização de variáveis
meteorológicas até as rotinas realizadas por estes), considerando-se consultas à
bibliografia específica e contatos com especialistas.
Deve-se enfatizar que foi realizado, como teste preliminar, uma rodada com o
modelo ETA utilizando uma primeira versão do mapa gerado a partir deste
projeto.
28
TABELA 1 DADOS UTILIZADOS
Dados
Fonte
Escala
Projeção
Extensão do dado
Mapa digital da vegetação do Brasil : Amazônia Legal (26
mapas) + restante do Brasil (13 mapas).
Projeto RADAMBRASIL
(digitalizados pelo INPE)
1:1.000.000
Policonica
Sgi/Grb
Mapa digital da vegetação do Brasil (classes agregadas
para utilização no PRODES), 1993
IBGE (banco de dados
do Atlas/SPRING: INPE)
1:5.000.000
Policonica
Grb, ASCII
Policonica
Mapa original (formato
analógico)
Mapa de vegetação do Brasil, 1993
IBGE
1:5.000.000
29
PRODES: imagens temáticas do arco de desflorestamento
da Amazônia (a partir de classificação de dados TM
Landsat 5), ano base: 1997, resolução: 60mx60m.
Programa Amazônia
/OBT/ INPE
UTM
Grb
Imagens TM Landsat 7, resolução: 90mx90m (mosaicos de
Estados que compõe a Amazônia Legal, formados
predominantemente por cenas dos anos 1999/2000).
Programa Amazônia
/OBT/ INPE
UTM
Geotif
LatLong e Equiretangular,
Img (SiB1: tif e Grb)
Imagens temáticas da América do Sul (AVHRR), resolução: USGS (U. S. Geological
1Kmx1Km (classes do SsiB 1 e 2, Ecossistemas Globais,
Survey), Universidade
International Geosphere-Biosphere Programme, Uso/ de Maryland, Wood Hole
Cobertura do terreno (USGS)), Esquema de transferência
Center
biosfera-atmosfera – 42 classes (Wood Hole Center)
Mapa digital de vegetação do Brasil, 1988
Mapas: geológico, de relevo, tipos climáticos, tipos de
solos, vegetação (Brasil).
IBGE (digitalizado pelo
UNEP – United Nations
Environment
Programme)
1:5.000.000
Policonica
Gis. ASCII
IBGE
1:22.000.000
Sem referência
Gif
3.1 Etapas cumpridas e testes iniciados
Até o presente momento, já foram efetuadas as seguintes etapas: "recorte" da área
da Amazônia Legal do mapa do IBGE de vegetação do Brasil, escala 1:5.000.000
(versão digitalizada do INPE), mosaico dos dados de desflorestamento do projeto
PRODES; definição de uma reclassificação das classes de vegetação do mapa do
IBGE (escala 1:5.000.000 e 45 classes, sendo 36 para a Amazônia Legal) de forma
que seja compatível com as classes do esquema SSiB, solução das áreas de
contato por classificação de imagens TM. Para um teste inicial foi elaborado um
mapa com as classes correspondentes ao SSiB, incluindo as áreas desflorestadas.
Estes procedimentos foram realizados através do SPRING, incluindo programas
elaborados em LEGAL (Apêndice A).
As etapas do projeto estão detalhadas abaixo.
3.1.1 Edição do mapa de vegetação da Amazônia Legal (escala 1:5.000.000).
Nesta etapa, estabeleceu-se como padrão para integração final e saída dos dados
a resolução de 1000 m x 1000m (compatível com os dados temáticos derivados do
sensor AVHRR-NOAA que servem de entrada inicial no modelo). Assim, para
operações como o recorte da Amazônia Legal no mapa digital e edição deste,
adotou-se esta resolução. A seguir, descrevem-se os procedimentos adotados para
a edição.
30
3.1.1.1 Recorte da Amazônia Legal (máscara para recorte de dados raster)
Para separar a área referente à Amazônia Legal no mapa de vegetação do Brasil,
disponível no banco de dados Atlas do INPE (gerado no SPRING), utilizou-se uma
máscara. Esta foi composta considerando-se os limites estaduais previamente
digitalizados e disponibilizados em um plano de informação no banco mencionado.
Em seguida, traçou-se em um plano de informação à parte uma linha dentro do
Projeto Amazônia, devidamente georeferenciada, a qual foi posteriormente
exportada para fora do projeto no formato ASCII. O arquivo contendo esta linha foi
editado, para alteração das suas coordenadas, tal que estivesse compatível com o
limite do meridiano 44°W que cobre a Amazônia Legal. O arquivo editado foi
importado e mosaicado no plano de informação dos limites estaduais, formando
assim o quadrilátero que engloba a Amazônia Legal. Finalmente, o contorno dos
estados foi rasterizado, servindo de máscara para recorte da área da Amazônia no
mapa de vegetação do Brasil.
3.1.1.2 Edição do mapa
O mapa de vegetação da Amazônia Legal, digitalizado pelo INPE, foi concebido
para ser utilizado no projeto PRODES; portanto, contém as classes de vegetação
reclassificadas para atender aquele projeto. Como a reclassificação mencionada
agregou as classes originais do mapa do IBGE, fez-se necessário recuperar
algumas das classes originais. Para esta finalidade, procurou-se o mapa original
em papel que fosse mais coerente com o mapa digitalizado, cuja versão é aquela
publicada em 1993. Além do problema mencionado, verificou-se ainda a ausência
de alguns polígonos do mapa original na versão digitalizada, o que foi sanado a
partir da recuperação destes polígonos via consulta a outro mapa digital da
Amazônia, elaborado pelo programa das Nações Unidas para o Meio Ambiente
(UNEP). A partir deste, extraiu-se os polígonos ausentes no mapa digitalizado pelo
31
INPE, os quais foram nele incluídos após rasterização e vetorização.
Finalmente, procedeu-se à edição do mapa final, que incluiu as lâminas de água
referentes a represas não mapeadas pelo IBGE e que foram extraídas a partir dos
mosaicos das cenas TM Landsat, sendo interpretadas e mapeadas de forma
vetorial, rasterizadas e integradas ao mapa.
Além da questão mencionada acima, constatou-se também a ausência de um
polígono referente à classe contato constante do mapa original, tanto no mapa
digital do INPE, quanto no da UNEP. Este foi vetorizado e editado, tendo como
base o mapa digital do RADAM (escala 1:1.000.000) .
3.1.2 PRODES
Os dados de desflorestamento originados pelo PRODES estão disponibilizados
como bancos de dados criados no programa SPRING. Cada banco de dados
refere-se a uma cena TM segmentada a partir do modelo de mistura mencionado
anteriormente, cuja classificação inclui, entre outras, a classe “desflorestamento”.
Para separar só a classe desflorestamento, adotou-se os seguintes passos:
3.1.2.1 Separação da classe desflorestamento
Para cada banco de dados do PRODES (correspondente a uma cena) foi utilizado
um programa específico, elaborado em LEGAL (Apêndice A), para isolar a classe
desflorestamento, criando-se assim um arquivo contendo o dado vetorial da classe
desejada. Este dado foi exportado como arquivo em ASCII.
32
3.1.2.2 Mosaicagem
Após efetuar o passo acima para cada banco do PRODES, criou-se um projeto
dentro do banco de dados da Amazônia, contendo somente informações referentes
ao desflorestamento, para o qual foram importados os arquivos ASCII vetoriais,
sendo estes rasterizados à medida que estes iam sendo mosaicados.
Foi
verificado
nas
imagens
TM
que
algumas
áreas
mapeadas
como
desflorestamento apresentam-se atualmente ocupadas por vegetação secundária
(rebrota), sendo necessário, assim, atualizar estas informações, discriminando-as
das áreas ainda desflorestadas. Também é necessário obter áreas antropizadas
sobre as fisionomias não florestais, o que foi feito em parte, na etapa referente a
solução de áreas de contatos (ecótonos), conforme descrito em 3.1.3.
Nesse sentido foram realizados testes com as imagens dos bancos de dados do
PRODES, adotando-se o seguinte procedimento:
a) Rodar LEGAL (Apêndice A) para separar desflorestamento do PI temático
gerado pelo PRODES e vetorizar este. Estas linhas orientam a visualização
na imagem das áreas de desflorestamento e verificação de manchas de
rebrota dentro destas. Anotar qual a imagem processada por modelo de
mistura está no banco (se imagem sombra ou solo).
b) Abrir a imagem sintética, as linhas de desflorestamento e a imagem
classificada, verificando quais classes espectrais estão relacionadas à
rebrota, observando-se se há confusão entre ela e outra classe. Verifica-se,
assim, se a imagem mix utilizada para a classificação foi a mais adequada.
Caso contrátrio, procurar outra mais apropriada e disponível, procedendo-se
à segmentação e classificação da mesma.
33
c) Na classificação de imagem, foi selecionado o contexto usado, associando
a(s) classe(s) espectral(is) que represente(m) a rebrota à uma das classes
temáticas previamente criadas. As demais classes são associadas à classe
“outros”. Este temático é utilizado, juntamente com o temático já existente
do PRODES, para se obter a classe rebrota, através de um programa em
LEGAL (Apêndice A), que. mantém as demais classes anteriormente
mapeadas. Deste novo temático são separados o desflorestamento e
rebrota (através de um programa também feito em LEGAL), sendo estes
vetorizados. Este PI é superposto na imagem sintética, verificando-se,
novamente, se há confusão entre a classe rebrota e outra. Esta confusão
pode se dar de duas formas: quando existe uma fração de cada tipo
(desflorestamento e rebrota) num mesmo polígono ou quando o polígono
está associado a uma classe errada. Caso isto ocorra, são testados vários
limiares de segmentação (o que representa alto custo computacional e de
tempo), limiares de classificação ou extrair a rebrota através de edição
manual.
3.1.3 Tratamento das classes “contatos”
Considerando que o mapa de vegetação da Amazônia Legal inclui classes
denominadas "contatos", as quais contém mais que um tipo de vegetação no
mesmo polígono, fez-se necessário isolar estes polígonos, a fim de reclassificá-los
adequadamente. Os passos adotados são descritos nos itens a seguir:
3.1.3.1 Criação de bancos de dados
Para cada mosaico TM foi criado um respectivo banco de dados (correspondente
ao Estado específico), para o qual foi importado o PI contatos (90mx90m) e o limite
34
de estados (para verificar deslocamento das imagens) bem como as cenas. As
áreas de contatos foram delimitadas, sendo criados projetos para cada área, que
foram definidas com base na extensão dos polígonos. Caso o polígono encontrouse isolado, o projeto englobou apenas este polígono. Nos casos de polígonos
extensos, estes foram subdivididos em projetos menores, a fim de agilizar os
processamentos. Para cada projeto foram importadas as imagens e o PI contatos,
anotando-se os tipos destes, que serviram de máscara para recorte de imagens
(Apêndice A).
Foram observados cuidados com relação aos polígonos que necessitam ser
partidos (como os que avançam para Estados vizinhos, tendo valor zero em uma
determinada porção, correspondente ao background da cena da área). Assim, as
linhas (PI vetorial) dos contatos resolvidos são importantes para auxiliar na edição
destes, fornecendo o limite das porções já resolvidas.
3.1.3.2 Segmentação e classificação
Com as imagens recortadas foram testados limiares de segmentação. Uma vez
segmentadas as imagens, estas foram classificadas pelo algoritmo Isoseg,
testando-se vários limiares e verificando o mais adequado. Para isto observou-se
as classes espectrais obtidas e sua correspondência com os alvos na imagem
sintética, através dos elementos de interpretação de imagens descritos na
fundamentação. No caso deste projeto o procedimento de interpretação foi aplicado
voltado aos tipos de vegetação adotados no SSiB. Também foi considerada a
redundância de dados, evitando-se sempre que possível as classificações em que
tal ocorria. Definido o limiar de classificação, procedeu-se a correspondência entre
classes espectrais e classes temáticas. Nesta etapa deparou-se com confusão
entre classes em alguns casos. Essa confusão manifestou-se de duas formas: i agrupamento de alvos diferentes em uma mesma classe devido a semelhança de
35
comportamento espectral dessas. ii – agregamento de alvos bem diferenciados
num mesmo polígono, o que foi restrito a algumas cenas.A solução encontrada
para estes casos foi:
i – Definido o alvo dominante, este foi mapeado para a classe temática
correspondente e editaram-se os polígonos erroneamente classificados.
ii – Uso de TCP e posterior segmentação da imagem gerada por esta, a qual
foi classificada pelo Isoseg. A classe espectral que apresentava a mistura
foi usada como máscara para recortar a imagem PC classificada, a partir
da qual obteve-se um PI temático mais acurado.
As classes que apresentaram confusão foram mantidas em PIs separados
daquelas que não apresentaram, sendo editadas como descrito nos procedimentos
1 e 2. Os volumes do Projeto RADAM foram utilizados como apoio na solução de
dúvidas a respeito das características das cenas disponíveis.
A origem de algumas das confusões pode ser devido às características dos dados
disponíveis. Além da limitação da resolução espectral própria dos dados TM, as
imagens fornecidas tiveram seus contrastes alterados, afim de equalizar as cenas
para o mosaico.
Foi criado um descritor para todos os projetos, contendo o limiar utilizado, as
classes espectrais e correspondentes classes temáticas. Nos casos de erros de
classificação, o descritor possui os números identificadores dos polígonos que
foram editados (Apêndice B mostra um exemplo de um descritor). Como passo
final, procedeu-se a mosaicagem de todos os PIs gerando um dado temático
36
correspondente a área de contato resolvida.
Deve-se enfatizar que nesta etapa foram mapeadas áreas antropizadas em
savanas.
A utilização da composição 345 RGB foi motivada pela inexperiência da mão de
obra auxiliar, pois esta, pouco familiarizada e habituada com as características dos
dados de sensoriamento e os métodos de análise e interpretação desses, teve
maior facilidade na interpretação visual dos objetos (vegetação, solo exposto ,etc)
com esta composição. Foi também elaborada uma chave interpretativa com os
elementos observados nas imagens correspondentes aos variados tipos de objetos
e contexto desses (antropização em savanas de fisionomia não florestal, lâminas
de água, etc).
3.1.3.3 Reintegração ao mapa da Amazônia
Durante a solução dos contatos, teve-se a preocupação em se verificar possíveis
deslocamentos ao se reintegrar os contatos solucionados ao mapa da Amazônia
Legal. Para isto, alguns dos contatos resolvidos foram importados para o banco de
dados da Amazônia Legal, em formato ASCII.
Na etapa final os contatos resolvidos foram integrados ao mapa de contatos do
IBGE. Deve-se enfatizar que este foi elaborado visando os tipos adotados pelo
SSiB.
37
3.1.4 Compatibilização das classes de vegetação (IBGE versus modelo SSiB)
Nesta etapa, realizou-se uma análise prévia das classes de vegetação do mapa do
IBGE para a região da Amazônia Legal, para compatibilização com aquelas
consideradas pelo modelo SSiB, as quais estão ilustradas no esquema
apresentado no Apêndice C. Ressalta-se que o mapa de vegetação do IBGE inclui
classes que não são consideradas no modelo, mas que podem ter grande
influência na circulação geral da atmosfera, como por exemplo, campinarana.
Portanto, estes tipos de vegetação deverão ser futuramente inseridos no modelo
SSiB, após obtenção dos parâmetros meteorológicos inerentes a cada um deles,
avaliados a partir de dados medidos na região, ou disponíveis na literatura.
Para um teste inicial com o modelo de previsão, foi realizada uma interpretação
visual rápida dos contatos, com auxílio dos mosaicos TM, dividindo os polígonos
quando possível (contatos nítidos entre classes) ou atribuindo-lhes a classe
predominante observada.
3.1.5 Preparo do mapa para SSiB
Como teste inicial foi feita a reclassificação do mapa original de vegetação para
que ficasse compatível com as classes do SSiB.
Para resolver as classes de contatos procedeu-se à interpretação visual das
imagens TM dos mosaicos dos Estados da Amazônia Legal. Nas áreas onde foram
identificados tipos distintos bem contrastantes, estes foram separados e
38
digitalizados sobre as cenas. Nas demais, onde havia maior dificuldade em se
separar os diferentes tipos ou onde havia grande predominância de um tipo, foi
atribuído ao polígono o tipo predominante. Para este procedimento foi importado
para cada projeto, relativo à cena de cada Estado, os dados de áreas de contato,
que foram recortados tendo como base as áreas das cenas (limites estaduais).
A reclassificação destes polígonos foi compatível com as classes adotadas pelo
SSiB (no caso: savana, floresta, área agrícola). Após efetuada a interpretação e
reclassificação dos polígonos, estes foram integrados ao mapa original. O passo
seguinte foi a reclassificação do restante do mapa (ou seja, das áreas fora dos
contatos). Esta foi feita através de um programa elaborado no LEGAL (Apêndice
A). O passo final foi a integração dos dados de desflorestamento. A resolução do
mapa de saída foi de 1 Km x 1 Km.
Devido a problemas operacionais do SPRING, para se gerar este mapa foi
necessário reamostrar os PI´s (mapa de vegetação, mapa de contatos resolvidos e
desflorestamento) separadamente, para 1 Km, e , posteriormente, integra-los.
Para inserção na máscara da América do Sul que alimenta o modelo, o mapa
classificado para o SSiB foi então transformado em uma grade retangular (através
de um programa em LEGAL, Apêndice A) e exportado em ASCII.
Após a solução dos contatos através de classificação, foi realizado um novo mapa
compatibilizado para o SSiB, o qual foi integrado ao mapa reclassificado da
Amazônia Legal. As áreas de floresta e savanas classificadas como agrícolas
(D_agric, C_agric, F_agric, A_agric, S_agric) pelo IBGE foram reclassificadas para
floresta ou savana. As áreas P_agric (Formações pioneiras com agricultura) foram
classificadas como floresta por estarem próximas a Pf (Formações pioneiras com
39
influência fluvio-marinha: manguezais ) e a D_agric (Florestas densas com
agricultura). Este procedimento foi adotado porque a definição dos polígonos com
agricultura no mapa do IBGE é genérica, não informando nem a extensão nem a
localização específica das áreas antropizadas nesses polígonos. O mapeamento
dessas foi executado pelo PRODES.
3.1.6 Implementação de ferramentas novas no SPRING
Como parte do projeto de pesquisa proposto, foram criadas e implementadas
ferramentas novas nas versões mais recentes do SPRING. A primeira delas
consistiu num programa para importação automática das classes de vegetação,
geradas em projetos no SGI, para SPRING, eliminando-se a necessidade de
anunciar estas no modelo conceitual do SPRING. A segunda ferramenta
corresponde a um programa elaborado para solucionar o problema de repetir a
inclusão de uma classe previamente informada. A terceira ferramenta possibilita a
importação de arquivos de imagens temáticas no formato tif. Finalmente, a quarta
ferramenta permite exportar imagens em formato geotif, isto é, formato tif georeferenciada.
Há, entretanto, alguns aperfeiçoamentos a serem feitos, necessários ao andamento
do projeto, como uma maior flexibilidade no intercâmbio de dados, refino da
ferramenta de reprojeção cartográfica, tornar o banco de dados multiusuário, etc.
Estas implementações estão em andamento.
4 RESULTADOS E DISCUSSÃO
Até o presente momento foram gerados os seguintes resultados, os quais estão
40
sumarizados na Tabela 2.
a) Mapa de vegetação da Amazônia Legal, na escala 1:5.000.000, incluindo
39 classes totais (vegetação, associação vegetação - agricultura,
drenagem, "contatos"), ilustrado na Figura 4.
b) Mapa das classes de "contato" na mesma região (escala 1:5.000.000),
contendo 10 classes, inclusive incorporando agricultura (Figura 5).
c) Arquivos vetoriais para cada projeto do PRODES na resolução de 60 m x
60 m (ilustrado na Figura 6). Alem destes, obteve-se um mosaico de todos
os projetos com dados rasterizados, na resolução de 1000 m x 1000 m. Os
dados do PRODES apresentam, principalmente na porção leste da
Amazônia, limites regulares em alguns trechos por estarem incompletos, já
que, como dito, foram selecionadas áreas consideradas prioritárias. A área
calculada de desflorestamento no PRODES, nos dados de saída, ou seja na
resolução 1000 mX1000 m, é 405602 km2 e foi extraída a partir do mosaico
do PRODES.
d) Composição com imagens TM Landsat 7 para cada Estado da Amazônia
Legal, recortadas a partir do mapa de "contatos", resolução de 90 m x 90 m
(Figura 7), sobre as quais foram efetuadas a segmentação e classificação.
Os limiares de segmentação adotados foram 8 (similaridade) e 30 (área),
pois estes separaram melhor os alvos selecionados sem gerar excessiva
redundância de dados.
41
TA BELA 2 DADOS GERADOS
Dados
Escala
Projeção
Extensão do
dado
Mapa digital de vegetação da Amazônia Legal derivados do
mapa digital de vegetação do Brasil, (INPE)
1:5000000
LatLong
Grb, ASCII
Mapa digital de classes “contatos”, extraído do mapa digital
da Amazônia Legal e mapa digital de contatos resolvidos para 1:5000000
o SSiB.
LatLong
Grb, ASCII
Dados vetoriais de desflorestamento (60m x 60m ) de cada
projeto pertencente ao PRODES e mosaico destes projetos
(90m x 90m e 1000m X 1000m)
LatLong
ASCII, Grb
Mapa de teste, formato digital e grade retangular com classes
da tabela do SSiB, resolução de 1 Km x 1 Km.
LatLong
Grb
Imagens temáticas referentes a contatos solucionados,
90mX90m
LatLong
ASCII, Grb
Na Amazônia Legal ocorrem, para a vegetação, 37 classes, mostradas na
Tabela 3, acompanhadas de suas respectivas áreas e proporção (em %):
TABELA 3 CLASSES DE VEGETAÇÂO DA AMAZÔNIA LEGAL
Área (Km 2) %
Classes de vegetação
A_agric. Floresta Ombrófila Aberta com agricultura
88079
A_T_Ec_C Área de tensão ecológica (contato indefinido) com agricultura
3106
Ab Floresta Ombrófila Aberta terras baixas
367395
As Floresta Ombrófila Aberta Submontana
541516
C_agric.Floresta Estacional Decidual Submontana com agricultura
23780
Cs Floresta Estacional Decidual Submontana
8634
D_agric Floresta Ombrófila Densa com agricultura
200052
Da Floresta Ombrófila Densa Aluvial
254790
Db Floresta Ombrófila Densa Terras Baixas
826092
Dm Floresta Ombrófila Densa Montana
37828
Ds Floresta Ombrófila Densa Submontana
817083
F_agric Floresta Estacional Semidecidual com vegetação secundária com atividades agrícolas
30598
Fa Floresta Estacional Semidecidual aluvial
3642
Fs Floresta Estacional Semidecidual Submontana
36286
La Campinarana Arborizada
16352
Ld Campinarana Florestada
48121
Lg Campinarana Gramíneo Lenhosa
18567
LO Contato Campinarana/Floresta Ombrófila
190351
ON Contato Floresta Ombrófila/Floresta Estacional
192134
ON_agric Contato Flor. Omb./Floresta Estacional com agricultura
12884
Continua na pag 43
42
1,77
0,06
7,39
10,90
0,47
0,17
4,02
5,12
16,63
0,76
16,45
0,61
0,07
0,73
0,32
0,96
0,37
3,83
3,86
0,25
P_agric. Formação Pioneira com agricultura
Pa Formaçãp Pioneira vegetação com influência fluvial ou lacustre
Pf Form. P. vegetação com influência Fluviomarinha (manguezal e Campo Salino)
Rm- refúgio montano
S_agric Savana com área agrícola
Sa Savana Arborizada
Sd Savana Florestada
Sg Savana Gramineo Lenhosa
SM Contato Savana/Floresta Ombrófila Mista
SN Contato Savana/Floresta Estacional
SN_agric Contato Savana/Floresta Estacional com agricultura
SO Contato Savana/Floresta Ombrófila
SO_agric Contato Savana/Floresta Ombrófila com agricultura
Sp Savana Parque
ST Contato Savana/Savana estépica
Td Savana Estépica Florestada
Tp Savana Estépica Parque
Continuação da pag 42
11180
0,22
84184
1,69
7232
0,14
356
0,007
124245
2,50
361003
7,26
29428
0,59
32786
0,66
463
0,009
199574
4,01
28747
0,57
146354
2,94
16591
0,33
184143
3,70
6731
0,13
6063
0,12
10522
0,21
Pode-se verificar o predomínio de feições de fisionomia florestal na área estudada,
sendo 58.22% pertencentes às classes de Florestas propriamente ditas (excluindo
as antropizadas), mapeadas pelo IBGE. As savanas cobrem 12.54%, também
excluindo-se as antropizadas mapeadas pelo IBGE.
Com relação ao limiar de aceitação de classes, estes variaram conforme as
características das cenas. Para aquelas que apresentaram muita variedade de
objetos (alvos), os limiares entre 90% a 99% foram os mais adequados. Para a
maioria das cenas, predominou, como melhor limiar de classificação, o de 90%.
Verificou-se que em alguns casos uma classe espectral referente a um limiar era
mais adequada para algum alvo especifico mas inadequada para o restante das
informações da cena.
43
44
Fig 4. Vegetação da Amazônia Legal
45
Fig 5 Mapa de áreas com classes de contato.
Fig 6. Trecho do mapa de desflorestamento (PRODES), incluindo raster mosaicado (em cor
laranja) e dados vetoriais não mosaicados (linhas escuras sobrepostas).
Fig 7. Imagem TM (composição 345 GRB), mostrando um trecho de Roraima, recortada
usando como máscara o mapa de contatos.
Quanto à utilização da TCP para a solução de algumas cenas, a segunda PC foi a
que melhor distinguiu as porções vegetadas das não vegetadas e sua
46
segmentação e classificação possibilitou a geração de um temático mais acurado.
Os elementos de interpretação adotados permitiram a identificação de sete tipos
de feições que são esquematizadas na Tabela 4.
As áreas antropizadas possuem coloração que varia de magenta à branco, devido
à alta resposta de solo, sendo o branco referente a partes de solo totalmente
exposto ou arenoso. Algumas áreas antropizadas apresentam cor verde bem
claro, correspondente a tipos específicos de culturas com folhagem adensada,
sendo a fração de resposta de solo, na imagem, muito pequena ou inexistente.
TABELA 4 ELEMENTOS INTERPRETATIVOS DAS IMAGENS TM LANDSAT 345 (RGB)
TIPOS
ELEMENTOS
Verde médio a escuro, textura heterogênea
EXEMPLOS
1 FLORESTA
Magenta claro a escuro, padrão irregular,
textura homogênea
2 SAVANA
3 ANTROPIZAÇÃO EM 1
4 ANTROPIZAÇÃO EM 2
Magenta claro à verde claro e azul, padrão
regular (retângulos), textura homogênea,
dentro de áreas de floresta
Magenta claro a azul e branco, padrão regular
(retângulos), textura homogênea, dentro de
áreas de savana
5 ÁREAS ALAGADAS EM 1
Magenta escuro, azul escuro, preto, padrão
irregular (acompanhando drenagem) ou
circular, dentro de áreas de floresta
6 ÁREAS ALAGAS EM 2
Magenta escuro, azul escuro, preto, padrão
irregular (acompanhando drenagem) ou
circular, dentro de áreas de savana
Verde médio-claro, textura médioheterogênea, padrão regular (retângulos)
7 REBROTA
Estas possuem textura homogênea (pouca ou nenhuma variação de matiz). As
áreas
de
floresta
apresentam coloração verde escura no geral e textura
47
heterogênea (alta variação de matiz).
As áreas de savanas possuem, no geral, coloração magenta, devido à fração de
solo ser significativa.
Foram mapeadas as áreas inundadas observadas dentro dos contatos. Estas
foram consideradas como lâminas de água (portanto, classificadas como
água).Os procedimentos adotados para a solução das confusões entre classes
mostraram-se razoáveis, sendo conveniente no futuro testar outros tipos de
processamentos para estes casos. A figura 8 mostra um trecho de uma cena
segmentada e classificada e a figura 9 mostra um trecho representativo da
separação entre classes diferentes por uso de TCP.
Fig 8 Imagem TM (345-RGB) do Pará com segmentação e classes espectrais
Foi possível nesta etapa do trabalho, o mapeamento de áreas antropizadas em
48
savanas de fisionomia não florestada, contanto que estas tivessem um padrão
bem definido (formas regulares típicas de cultura e pasto). Nesta etapa foram
mapeadas algumas das áreas antropizadas em vegetação de fisionomia florestal
(áreas desflorestadas propriamente ditas), as quais já se encontravam
previamente mapeadas pelo PRODES. Deve-se enfatizar que esta redundância
de dados ocorreu por causa da confusão do classificador ao misturar as classes
savana e área antropizada. Portanto, o mapa de contatos resolvidos contém a
classe “antropismo”, a qual se distingue dos dados do PRODES. A figura 10
mostra um trecho de um contato mapeado pelo IBGE (A), a imagem referente a
este (B) e a solução do mesmo (C).
Fig 9 Classes separadas(linha preta mais espessa) pelo uso da TCP
49
A
B
C
Fig.10 A: Contato SO (IBGE), B: Imagem TM 345 RGB, C: Contato com separação entre
savana (amarelo) e floresta (verde). Ao se reintegrar os contatos resolvidos ao mapa
da Amazônia Legal, observou-se deslocamento de aproximadamente 1 pixel para
alguns destes, o que pode ser conseqüência da criação de diferentes históricos ao se
dividir os dados em bancos e projetos diferentes para a execução dos
processamentos.
e) Mapa de áreas de contatos resolvidos pela segmentação e classificação,
incluindo antropização em savanas de fisionomia não florestada (Figura
11).
f) Teste
inicial,
gerando
um
mapa
com
contatos
resolvidos
e
desflorestamento integrado, reclassificado para a tabela do SSiB. Este
mapa apresentou algumas inconsistências devido a imprecisão nas áreas
de
contatos
solucionadas
apenas
por
interpretação
visual
e
compatibilização equivocada das áreas denominadas pelo IBGE de
50
g) agrícolas. Após a solução das áreas de contatos por segmentação e
classificação
e
integrando-se
o
desflorestamento,
obteve-se
uma
representação mais adequada e precisa da superfície, considerando-se as
classes adotadas pelo SSiB (Figura 12).
h) Para a obtenção de rebrota e antropização de fisionomias não florestadas
nas cenas dos bancos do PRODES, procedeu-se a testes com diferentes
limiares de classificação em algumas cenas, o que melhorou a
discriminação das áreas antropizadas e de rebrota (utilizou-se até 75%
como limiar de aceitação).
Após variar os limiares de classificação, em algumas cenas observou-se
polígonos contendo duas classes diferentes. Este erro está relacionado ao tipo de
imagem utilizada (se sombra ou solo), caracterís ticas da área imageada e aos
parâmetros de segmentação. Alterar o limiar da segmentação representa um alto
custo de tempo de processamento A forma mais prática, nestes casos, foi a
edição manual (partir o polígono, de forma a separar as classes ou verificar a
classe predominante e atribuir esta ao polígono). Para estes anotou-se as
coordenadas, bem como outras observações. Este procedimento considerou os
elementos de fotointerpretação (padrões, formas, tons e cores das feições
observadas). A figura 13 mostra um trecho de uma cena com a rebrota mapeada.
51
52
Fig 11 Áreas de contatos resolvidas por classificação
53
Fig 12 Mapa SSiB versão final (contatos resolvidos por classificação)
Fig 13 Áreas de rebrota, separadas do desflorestamento (linha preta: desflorestamento -linha magenta: áreas de rebrota -- linha preta sobre linha magenta: feições comuns
ao mapeamento do PRODES e ao mapeamento executado para separar rebrota de
desflorestamento)
Também para as cenas pertencentes ao PRODES, observou-se um padrão de
antropização sobre áreas de fisionomia não florestada. Estas imagens foram
recortadas nas porções referentes a não floresta, sendo segmentadas,
classificadas e extraídas as áreas antropizadas. No caso de confusões entre
classes, seguiu-se o mesmo procedimento adotado para áreas florestadas para
se editar estes polígonos.
54
i) As classes encontradas no mapa final obtido e sua reclassificação, junto
com a área de cada uma, é mostrada na Tabela 5. O aumento
observado
para as áreas de floresta e savanas deve-se,
principalmente, ao fato de o SSiB agregar alguns dos tipos de
vegetação. Deve -se, também, enfatizar que as áreas desflorestadas
incluem-se aquelas obtidas nas savanas durante a solução de contatos.
TABELA 5 CLASSES DO MAPA SSiB
Classes de entrada
Classes de saída (mapa para SSiB)
Área no mapa SSiB
Área (km2) %
Pa, Lg, rm La, Sg, As, Sp, Tp, Td, S_agric
Savana
Pf, Fs, Cs, Fa, As, Ab, Dm, Ds, Db, Ld, Da, P_agric, Floresta
C_agric, F_agric, A_agric, D_agric, Sd.
882137 ~17
3606175 ~71
ST, SM, SN, SO, LO, ON, ON_agric SN_agric, O polígono referente a estas classes foi
SO_agric ,A_T_Ec_C
reclassificado para savana, floresta ou
desflorestamento,conforme o resultado
da classificação das imagens TM
-----------------------
Desflorestamento
Lâminas de água
Desflorestamento
Água
467573
119279
~9
~2
i) Foram observadas inconsistências no mapa da América do Sul,
proveniente da Universidade de Maryland, atualmente em uso no modelo
Eta no CPTEC, quando comparado ao mapa gerado por este projeto. Estas
inconsistências
se
devem
tanto
ao
fato
de
áreas
mapeadas
equivocadamente como savana serem na realidade áreas antropizadas
(desflorestadas) bem como por erros de classificação de alguns tipos de
cobertura vegetal (manchas de savana que foram mapeadas como floresta
ou outro tipo de cobertura).
A delimitação de áreas inundadas não mapeadas na máscara correntemente
usada também pode representar diferenças significativas sobre as rodadas dos
modelos de superfície.
55
O mapa de teste inicial gerado por este projeto foi entregue à equipe de
modelagem do CPTEC, a qual procedeu à integração deste ao mapa fornecido
pela universidade de Maryland. Foram realizadas, então, rodadas utilizando a
máscara atualmente disponível e a atualizada. Este teste permitiu observar
diferenças nos resultados obtidos com as rodadas realizadas entre as duas
máscaras. Estas diferenças demonstraram alterações no balanço de energia e
nos fluxos de calor sensível e latente. A causa de tais alterações está
associada à mudança no albedo e na evapotranspiração como conseqüência
tanto da substituição das áreas de floresta e savana pelo desflorestamento
como, provavelmente, pela melhor separabilidade das manchas de savana e
melhor definição dos limites entres esta e a floresta. Deve-se enfatizar que uma
das principais causas das alterações na evapotranspiração está associada `a
profundidade de raízes da floresta da Amazônia (Nepstad et al, 1994).
Assim, os resultados obtidos com esta simulação demonstraram a importâ ncia
da atualização e do refinamento na representação da superfície.
Os produtos/mapas mencionados acima constituem, portanto, o banco de
dados criado para o projeto de pesquisa proposto. Este banco contém os
dados originais e os novos dados gerados até o presente momento; podendo
ser reamostrados e/ou reclassificados para elaboração de mapas destinados a
outros modelos.
5 ETAPAS FUTURAS
Como etapas futuras, dever-se-á:
56
a) adquirir os dados do PRODES do ano 2000, que estão em fase de
atualização.
b) como os dados TM disponíveis para solução de áreas de contatos
apresentam características radiométricas alteradas, devido manipulação
de seus contrastes, dever-se-á testar o procedimento da segmentação
com outros dados TM disponíveis, a fim de avaliar se as alterações
afetarão a classificação.
c) continuar a separação da rebrota e o mapeamento de desflorestamento
nas savanas de fisionomia não florestada.
d) utilização, pela equipe de modelagem do CPTEC, da máscara definitiva,
ou seja, aquela que contem os contatos resolvidos por classificação e
com as 112 cenas do PRODES.
e) extensão da metodologia adotada neste trabalho para o restante do
Brasil, sendo adaptada e aperfeiçoada conforme as necessidades do
projeto, o que inclui a solução das áreas de contato e mapeamento de
áreas antropizadas.
6 SUGESTÕES
Considerando a disponibilidade de mapas na escala de 1:1.000.000, sugere-se
que sejam elaborados mapas que considerem maior número de classes de
57
vegetação. Deve-se destacar que os parâmetros meteorológicos associados à
novas classes de vegetação demandarão experimentos de campo para suas
avaliações. Além disso, sugere-se ainda estudos envolvendo simulações com o
modelo ETA em resolução mais fina (grade de 15 Km x 15 Km), inclusão dos
mapas de vegetação em outros modelos meteorológicos disponíveis no
CPTEC.
Outro aspecto a ser ressaltado, refere-se à utilização de imagens de radar para
mapeamento
de
vegetação
submersa,
como
por
exemplo,
aquela
predominante na região do Pantanal durante o período de inundação, conforme
sugerido em Saatchi et al. (2000).
Poderão ser realizadas simulações com os modelos climatológicos com
cenários passados. Para isto, deverá ser preparado um banco de dados com
informações anteriores a década de 90, devido às áreas de contatos
encontrarem-se atualmente bastante alteradas pela ação antrópica. A definição
das classes de "contato", visando a "reconstituição" do passado, poderá ser
feita considerando-se dados do sensor MSS Landsat ou através das feições
geomorfológicas da região, assim como consulta a referências bibliográficas
pertinentes. Também poderão ser obtidos PI´s com dados de desflorestamento
anteriores à década de 90 (agregados do PRODES).
As áreas de contato poderão ser separadas de forma a atender outros modelos
além do SSiB. Para isto será necessário uma metodologia voltada para
separabilidade dos tipos de cobertura vegetal independente da especificidade
de um modelo.
58
REFERÊNCIAS BIBLIOGRÁFICAS
Batista, G.T., Medeiros, J.S., Mello, E.M.K. et. al. New approach for
deforestation assessment. In:International Symposium on Resource and
Environmental Monitoring., Rio de Janeiro, 1994. Proceedings. Rio de
Janeiro,1994. p.170-174.
Berbery, E. H.; Rasmusson, E. M.; Mitchell, K. Studies of north american
continental-scale hydrology using Eta model forecast products. Journal of
Geophysycal Research, v.101, n. D3, p.7305-7319, Mar.1996.
Bhaskar, J. C.; DiGirolamo, N. E.
A biophysical process-based estimate of
global land surface evaporation using satellite and ancillary data – Model
description and comparison with observations. Journal of Hydrology, v.205,
p.164-185, 1998.
Bins, L.S., Erthal, G.J., Fonseca, L.M.G. Um método de classificação não
supervisionada por regiões. In:Simpósio Brasileiro de Computação Gráfica e
Processamento de Imagens, Recife,1993. Anais . SIBGRAPI, 6º, Recife,1993.
p.65-68.
Black, T. L: The new NMC mesoescale Eta model: Description and forecast
examples. Weather and Forecasting, v.9, p.265-278, 1994.
Bonan, G. B. Land-atmosphere interactions for climate system models: coupling
biophysical, biogeochimical and ecosystem dynamical processes. Remote
Sensing of Environment,
v.51;p.57-73,1995.
59
Bowker, D. E; Davis,R. E;Myrick,D. L. et al. Spectral reflectances of natural
targets for use in remote sensing.
Washington DC: NASA, 1985.
185 p.
(NASA – RP-1139).
Champeaux, J. L; Arcos,D; Bazile, E. et al.; AVHRR-derived vegetation mapping
over Western Europe for use in numerical weather prediction models.
International Journal of Remote Sensing, v.21, n.6/7, p.1183-1199, 2000.
Chen, F., Mitchell, K., Schaake, J. et. al. Modeling of land surface evaporation by
four schemes and comparison with FIFE observations. Journal of Geophysical
Research, v.101, n.D3, p.7251-7268, Mar, 1996.
Chou, S.C,Modelo regional ETA. Climanalise.<http://www.cptec/inpe.br/products/
climanalise/cliesp10a/index1.html.>2000.
Cuenca, R. H.; Ek, M.; Mahrt, L. Impact of soil water property parametrization on
atmospheric boundary layer simulation. Journal of Geophysical Research,
v.101, n.D3, p.7269-7277, 1996.
DeFries, R. S.; Towshend, J. R. G.; Hansen, M. C. Continous fields of vegetation
characteristics at the global scale at 1 km resolution. Journal of Geophysical
Research, v.104, n.D14, p.16,911-16,923, 1999.
Duda. R. O. , Hart, P. E., Pattern classification and scene analysis. New York:
Wiley,1973.
60
Delire, C.; Foley, J. A Evaluating the performance of a land surface/ecosystem
model with biophysical measurements from contrasting enviroments. Journal
of Geophysical Research, v.104, n.D14, p.16,895-16,909, Jul., 1999.
Dorman, J. L.; Sellers, P. J. A global climatology of albedo, roughness length
and stomatal resistance for atmospheric general circulation, models as
represented by the Simple Biosphere Model (SiB). Journal of Applied
Meteorology. v.28 v.833-855,1989.
Duarte, V; Shimabukuro, Y. E.; Santos, J. R. et. al. Metodologia para la
creación del PRODES digital y del banco de datos digitales de la Amazônia –
proyecto BADDAM. São José dos Campos. INPE, 1999. 33p. (INPE-7039PUD/036).
Hall, F. G.; Towshend, J. R.; Engman, E. T.
Status of remote sensing
algorithms for estimation of land surface state parameters. Remote Sensing of
Environment, v.51, p.138-156, 1995.
Instituto Brasileiro de Geografia Estatística
Manual técnico de vegetação
brasileira, Rio de Janeiro, 1992. 92 p
Instituto Nacional de Pesquisas Espaciais (INPE). SPRING: Manual do usuário
[online]. São José dos Campos, 2002.< http://www.dpi.inpe.br/spring >
Instituto Nacional de Pesquisas Espaciais (INPE) Monitoramento da floresta
amazônica brasileira por satélite. São José dos Campos, 1999. 22 p.
61
Kuchler, A W. A physiognomic and structural analysis of vegetation In: Kuchler,
A W. ; Zonneveld, I. S. ed. Vegetation mapping. Dordrecht: Kluwer, 1988.
p.37-50.
Lillesand, T. M.; Kiefer, R. W. Remote sensing and image interpretation.
3.ed. New York: John Wiley & Sons, 1994. 750 p.
Mesinger, F., 1984: A blocking technique for representation of mountains in
atmospheric models. Rivista di Meteorologia Aeronautica, v.44, p.195-202,
1984.
Moreira, J.C., Mello, E. M. K., Barbosa C.C., Mapeamento automatizado do
desflorestamento da Amazônia, In: Simpósio Brasileiro de GIS. Curitiba, 2002,
Anais, GISBRASIL, Curitiba, 2002, CDROM, categoria Meio Ambiente, n.1549.
Mueller-Dombois, D.; Ellenberg, H. Tentative physiognomic – ecological
classification of plant formations of the Earth. In: ________ Aims and methods
of vegetation Ecology, , John Wiley & Sons: New York, 1974. p.466-485.
Nepstad, D. C.;Carvalho, C. R.; Davidson, E. A. et. al. The role of deep roots in
the hydrological and carbon cycles of Amazonian forests and pastures. Nature,
v.372, p.666-669, 1994.
Projeto Radambrasil. ( Levantamento de Recursos Naturais, v.1-26). Rio de
Janeiro: DNPM, 1974-1986.
62
Richards, J. A. Remote sensing digital image analysis: an introduction. 2 ed.
Berlin: Springer-Verlag, 1995. 340 p.
Rydén, A. Approaches to practical remote sensing for environmental studies:
experiences from a case study in Swaziland and southern Mozambique. ITC
Journal, n.2, p.136-145, 1997.
Saatchi, S. S.; Nelson, B.; Podest, E.; Holt, J. Mapping land cover types in the
Amazon Basing using JERS-1 mosaic International Journal of Remote
Sensing, v.21, n.6/7, p.1201-1234, 2000.
Sato, N.; Sellers,P.J.; Randall, D. A.;et.al Effects of implementing the simple
biosphere model in a general circulation model. Journal of Atmospheric
Sciences, v.46, n.18, p.2757-2782, 1989.
Sellers, P. J. Shutlleworth, W. J., Dorman, J. L. et. al. Calibrating the simple
biosphere model for amazonian tropical forest using field and remote sensing
data. 1 Average Calibration with field data. Journal of Applied Meteorology,
v.28, p.727-757, 1989.
Sellers, P. J; Mintz, Y.; Sud, Y. C.; et. al. A Simple Biosphere Model (SiB) for
use within general circulation models. Journal of the Atmospheric Sciences,
v.43, n.6, p.505-531, 1986.
63
Seth, A Giorgi, F.
Three-dimensional model study of organized mesoscale
circulations induced by vegetation. Journal of Geophysical Research, v.101,
n.D3, p.7371-7391, 1996.
Shimabukuro, Y. E.; Batista, G. T.; Mello, E. M.; Moreira, J. C.; Duarte, V.
Using shade fraction image segmentation to evaluate deforestation in Landsat
Thematic Mapper images of the Amazon region International Journal of
Remote Sensing, v.19, n.3, p.535-541, 1998.
Sud, Y. C.; Yang, R.; Walker, G. K. Impact of in situ deforestation in Amazon
on the regional climate: general circulation model simulation study. Journal of
Geophysical Research, v.101, n.D3, p.7095-7109, 1996.
Veloso, H. P.,
Classificação da vegetação brasileira, adaptada a um
sistema universal. Rio de Janeiro: IBGE, 1991. 124 p.
Verstappen, H. Th.
Remote sensing in Geomorphology. Amsterdam:
Elsevier, 1977. 214p.
Wilson, M. F.; Henderson-Sellers, A global archive of land cover and soils data
for use in general circulation climate models. Journal of Climatology. v.5,
p.119-143, 1985.
Xue, Y., Sellers, P. J., Kister, III, J. L.;Shukla, J. A simplified biosphere model
for global climate studies. Journal of Climate, v.4, p.345-364, 1991.
64
Xue, Y.; Shukla, J. The influence of land surface properties on Sahel climate. I,
desertification. Journal of Climate, v.6, p.2232-2245, 1993.
Xue, Y. Bastable, N., Dirmeyer, P.; Sellers, P. Sensitivity of simulated surface
fluxes to changes in land surface parameterization – a study using ABRACOS
data. Journal of Applied Meteorology, v.35, p.386-400, 1995a.
Xue, Y., Zeng, F. J.; Adam, C. A SSiB and its sensitivity to soil properties – a case
study using HAPEX – mobilhy data. Global and planetary Change, v.13, p.183194, 1995b.
Xue, Y. Fennessy, M. J.; Sellers, P. J. Impact of vegetation properties on U.S.
summer weather prediction. Journal of Geophysical Research, v.101, n.D3,
p.7419-7430, 1996.
65
APÊNDICE A
PROGRAMAS EM LEGAL:
isolamento da classe desflorestamento
{
Tematico desmat, prod ("cartatema");
desmat = Recupere (Nome = "100");
prod = Novo(Nome="des100", ResX=60, ResY=60, Escala = 250000);
prod = desmat == "desmatamento" ? desmat : prod ;
}
isolamento das classes “contatos”
{
Tematico cont5, cont ("Veg_IBGE_93");
cont5 = Recupere (Nome = "cont_n");
cont = Novo(Nome="contatos", ResX=90, ResY=90, Escala = 5000000);
cont = cont5 == "ON" ? cont5 : cont ;
cont = cont5 == "SO" ? cont5 : cont ;
cont = cont5 == "SN" ? cont5 : cont ;
cont = cont5 == "SM" ? cont5 : cont ;
cont = cont5 == "LO" ? cont5 : cont ;
cont = cont5 == "ST" ? cont5 : cont ;
cont = cont5 == "A_T_Ec_C" ? cont5 : cont ;
cont = cont5 == "SO_agric" ? cont5 : cont ;
cont = cont5 == "SN_agric" ? cont5 : cont ;
cont = cont5 == "ON_agric" ? cont5 : cont ;
}
recorte de imagens usando máscara de classes “contatos”
{
Imagem tmRO, ROcont ("Cenas");
Tematico masc ("Veg_IBGE_93");
tmRO = Recupere(Nome = "rondonia_g");
masc = Recupere (Nome = "cont");
ROcont = Novo(Nome="MTg2", ResX=90, ResY=90);
ROcont = masc.Classe == "SN" ? tmRO : masc.Classe == "SO" ? tmRO : masc.Classe == "LO" ? tmRO :
masc.Classe == "ON" ? tmRO : Imagem(255);
}
reclassificação
{
Tematico cobertura, recl ("Veg_IBGE_93");
Tabela juntar (Reclassificacao);
66
recl = Novo (Nome= "tiposib", ResX=1000, ResY=1000, Escala = 5000000);
juntar = Novo (CategoriaIni = "Veg_IBGE_93", CategoriaFim = "Veg_IBGE_93",
"rm": "SAVANA",
"FLORESTA": "FLORESTA",
"SAVANA": "SAVANA",
"AGRICOLA": "AGRICOLA",
"desmatamento": "desmatamento",
"ST": "SAVANA",
"SM": "SAVANA",
"Pa": "SAVANA",
"Pf": "FLORESTA",
"P_agric": "AGRICOLA",
"SN": "FLORESTA",
"SO": "FLORESTA",
"LO": "FLORESTA",
"SO_agric": "AGRICOLA",
"A_T_Ec_C": "AGRICOLA",
"ON_agric": "AGRICOLA",
"Fs": "FLORESTA",
"C_agric": "AGRICOLA",
"Cs": "FLORESTA",
"F_agric": "AGRICOLA",
"Fa": "FLORESTA",
"As ": "FLORESTA",
"A_agric": "AGRICOLA",
"Ab": "FLORESTA",
"D_agric": "AGRICOLA",
"Dm": "FLORESTA",
"Ds": "FLORESTA",
"Db": "FLORESTA",
"Lg": "SAVANA",
"La": "SAVANA",
"Ld": "FLORESTA",
"Da": "FLORESTA",
"S_agric": "AGRICOLA",
"Sg": "SAVANA",
"Sp": "SAVANA",
"Sa": "SAVANA",
"Sd": "FLORESTA",
"Tp": "SAVANA",
"SN_agric": "AGRICOLA",
"Td": "SAVANA",
"Drenagem": "AGUA");
recl = Reclassifique (cobertura, juntar) ;
}
ponderação para grade de entrada no modelo
{
Digital grdveg ("Dtm");
Tematico veg ("Veg_IBGE_93");
Tabela wei (Ponderacao);
veg = Recupere (Nome="tiposib");
grdveg =
Novo(Nome="GradeVegetacao",ResX=1000,ResY=1000,Escala=500000,Min=0,Max=10);
wei=Novo(CategoriaIni="Veg_IBGE_93",
"SAVANA":1,
"FLORESTA":2,
67
"AGRICOLA":3,
"desmatamento":4,
"AGUA":5);
grdveg = Pondere(veg, wei);
}
{
isolamento de desflorestamento e rebrota
{
Tematico desflore, desf ("cartatema");
desflore = Recupere (Nome = "prodes -floresta2a");
desf = Novo(Nome="des f81B", ResX=60, ResY=60, Escala = 2500000);
desf = desflore == "desmatamento" ? desflore : desf ;
desf = desflore == "cidade" ? desflore : desf ;
}
recorte de áreas não florestais da imagem
{
Imagem entrada, saida ("imagem");
Tematico masc ("cartatema");
entrada = Recupere(Nome= "Mix-m1-sombra-60m");
masc = Recupere(Nome="naoflor641");
saida = Novo(Nome="imanaoflor", ResX=60, ResY=60);
saida = masc.Classe == "nao_floresta" ? entrada: Imagem(255);
}
extração de áreas de rebrota
{
Tematico flor2outros ("cartatema"), prodes ("cartatema"),prodesflor2a ("cartatema");
flor2outros= Recupere (Nome = "bkpClas -Seg-Mix-m1-sombra-60m -8-16--T");
prodes = Recupere (Nome = "Clas -Seg-Mix-m1-sombra-60m -8-16-");
prodesflor2a=Novo(Nome="prodes -floresta2a", ResX=60, ResY=60, Escala=250000);
prodesflor2a = Atribua (CategoriaFim = "cartatema")
{
"floresta": (prodes.Classe == "floresta"),
"nao_floresta": (prodes.Classe == "nao_floresta"),
"desmatamento": (prodes.Classe == "desmatamento" && flor2outros.Classe == "outros"),
"cidade" : (prodes.Classe == "desmatamento" && flor2outros.Classe == "nuvem")
};
}
reclassificação de contatos SSIB
{
Tematico cobertura, recl ("Veg_IBGE_93");
Tabela juntar (Reclassificacao);
cobertura = Recupere (Nome="contrsfinal");
68
recl = Novo (Nome= "CONTRS_DEF", ResX=1000, ResY=1000, Escala = 5000000);
juntar = Novo (CategoriaIni = "Veg_IBGE_93", CategoriaFim = "Veg_IBGE_93",
"FLORESTA": "FLORESTA",
"SAVANA": "SAVANA",
"ST": "FLORESTA",
"SN": "FLORESTA",
"SO": "FLORESTA",
"LO": "FLORESTA",
"SO_agric": "FLORESTA",
"A_T_Ec_C": "FLORESTA",
"SN_agric": "FLORESTA",
"ON_agric":"FLORESTA",
"ON":"FLORESTA",
"SM":"FLORESTA",
"Drenagem":"AGUA",
"AGUA":"AGUA",
"desmatamento":"antropismo",
"rebrota":"FLORESTA",
"nuvem":"FLORESTA");
recl = Reclassifique (cobertura, juntar) ;
}
mapa SSIB versão com contatos resolvidos por classificação
{
Tematico cobertura, recl ("Veg_IBGE_93");
Tabela juntar (Reclassificacao);
cobertura = Recupere (Nome="AmaLegalDef1000");
recl = Novo (Nome= "AmaNaoContatos", ResX=1000, ResY=1000, Escala = 5000000);
juntar = Novo (CategoriaIni = "Veg_IBGE_93", CategoriaFim = "Veg_IBGE_93",
"rm": "SAVANA",
"ST": "SAVANA",
"SM": "FLORESTA",
"Pa": "SAVANA",
"Pf": "FLORESTA",
"P_agric": "FLORESTA",
"Fs": "FLORESTA",
"C_agric": "FLORESTA",
"Cs": "FLORESTA",
"F_agric": "FLORESTA",
"Fa": "FLORESTA",
"As": "FLORESTA",
"A_agric": "FLORESTA",
"Ab": "FLORESTA",
"D_agric": "FLORESTA",
"Dm": "FLORESTA",
"Ds": "FLORESTA",
"Db": "FLORESTA",
"Lg": "SAVANA",
"La": "SAVANA",
"Ld": "FLORESTA",
"Da": "FLORESTA",
"S_agric": "SAVANA",
"Sg": "SAVANA",
"Sp": "SAVANA",
"Sa": "SAVANA",
"Sd": "FLORESTA",
"Tp": "SAVANA",
"Td": "SAVANA",
"Drenagem": "AGUA",
"ST": "FLORESTA","SN": "FLORESTA"
69
"SO": "FLORESTA",
"LO": "FLORESTA",
"SO_agric": "FLORESTA",
"A_T_Ec_C": "FLORESTA",
"SN_agric": "FLORESTA",
"ON_agric":"FLORESTA",
"ON":"FLORESTA",
"SM":"FLORESTA");
recl = Reclassifique (cobertura, juntar) ;
}
70
APÊNDICE B
DESCRITOR
A segmentação foi feita limiar8 /30pixels.
A Classificação por regioes com ISOSEG deu os seguintes resultados
Limiar
Numero de classes
99.9
4
99
6
95
11
90
24
75
24
foi selecionada a de 90, porque discriminou melhor as classes
Classe Espectral
Classe Tematica
Decisão
1
Fundo
Nenhum
2
Floresta
Floresta
3
Floresta
Floresta
4
Savana/floresta (duvida1)
Nenhum
5
Floresta verde claro
Floresta
6
Savana
Savana
7
Savana/nuvem/floresta (duvida2)
Nenhum
8
Savana
Savana
9
Nuvem/agua
Nenhum
10
Savana e nuvem-savana
Savana
11
Savana
Savana
12
Savana clara/mata galeria-drenagem/sombranuvem (duvida 3)
Nenhum
13
Savana
Savana
14
Nuvem
Nenhum
15
Nuvem/drenagem
Nenhum
16
Drenagem
Drenagem
17
Savana
Savana
18
Savana
Savana
19
Nuvem
Nenhum
20
Sombra nuvem/drenagem
Nenhum
21
Savana
Savana
22
Savana/sombranuvem(DUVIDA4)
Nenhum
23
Savana
Savana
24
Savana
Savana
Edicao da duvida 1
Todas as duvidas foram classificadas como Savana
Poligonos editados savana -> floresta 103 115 116 119 122 124 126 127 128 129 131 132
Edicao da duvida 2
Todas as duvidas foram classificadas como Floresta
Poligonos editados floresta -> savana: 3 6 5 21 22 28 35 36 43 46 44 48 50 51 55 49 86 79 74 70 62 80 78
65 63 64 88 96 85 99 93 89 71 83 82 94 91 100 126 107 111 125 95 76 87 97 123 115 136 146 128 133 138
132 156 154 160 158 169 161 151 157 164 165 167 182 183 190
Edicao da duvida 3
Todas as duvidas foram classificadas como Savana
Poligonos editados savana -> floresta 4 35 34 37 38 44 46
Poligonos editados savana -> nuvem 10 18 19 22 14 13 16
Edicao da duvida 4
Todas as duvidas foram classificadas como savana
Poligonos editados savana -> nuvem 14 43
71
Poligonos editados savana -> drenagem 41
Edicao de nuvem
Foi criado um PI com as classes que contiveram nuvens. Estas foram classificadas como nuvem
Poligonos editados nuvem -> drenagem 1 2 28 48 94 93 130 129 138 150 307 316 320 19 3 23 21
20 296 281 345
Poligonos editados nuvem -> floresta 26 23 47 55 59 104 160 332 331 351
Poligonos editados nuvem -> savana 82 178 196 321 342 343 344 346 347 353
72
APÊNDICE C
COMPATIBILIZAÇÃO DAS CLASSES DO IBGE COM AS CLASSES DO
MODELO SSIB
Classes de entrada
Classes do SSiB
SN: contato savana-floresta estacional
SO: contato savana-floresta ombrófila
Polígonos devem ser verificados com imagens
TM para separar as classes floresta de
savana. PRODES fornece os arcos
antropizados
ON: contato floresta ombrófila-floresta
estacional
Floresta
Polígonos devem ser verificados com
imagens TM para separar floresta de
savana, discriminando campinarana florestal
(floresta) de não florestal (savana)
LO: contato campinarana-floresta
ombrófila
Savana estépica
Savana
Campinarana florestal
Floresta
73
Sd: savana
densa
Floresta
Sg: savana gramíneo
lenhosa
Savana
Sa: savana
aberta
Sp: savana
parque
Vegetação graminóide
periodicamente inundada:
savana (1)
Áreas de vegetação
pioneira
Conforme o que se extrair de
imagens TM podem ser:
Savana periodicamente
inundada: savana (2)
Floresta periodicamente
inundada: floresta (3)
(1)
(2)
(3)
(4)
Vegetação arbustiva
periodicamente inundada:
savana (4)
Próximo a Óbidos
Pantanal do Guaporé
Lado oposto a Tefé, baixo Purus
Alto Xingu
74